遥感图像处理平滑与锐化方(详细)法
遥感图像增强实验报告
遥感图像增强实验报告1. 实验目的和内容实验目的：（1）遥感图像的空间域增强：通过直接改变图像中的单个像元及相邻像元的灰度值来增强图像，是图像增强技术的基本组成部分，包括点运算和邻域运算。
（2）遥感图像的频率域增强：通过对频率域的调整对遥感图像进行平滑和锐化，平滑主要是保留图像的低频部分抑制高频部分，锐化则保留图像的高频部分而削弱低频部分。
（3）遥感图像的彩色增强：将黑白图像转换成彩色图像，使地物的差别易于分辨，突出图像的有用信息，从而提高对图像的解译和分析能力。
实验内容：（1）遥感图像的空间域增强：点运算—直方图均衡化、灰度拉伸、任意拉伸，邻域运算—图像平滑、图像锐化。
（2）遥感图像的频率域增强：定义FFT，反向FFT，再进行对比。
（3）遥感图像的彩色增强：多波段影像—彩色合成、单波段影像—伪彩色增强、色彩空间变换、遥感数据融合。
2. 图像处理方法和流程A.遥感图像的空间域增强1.直方图均衡化(1)在主窗口中打开can_tmr.img文件。
(2)以gray形式显示一个波段。
(3)Display窗口>enhance>equalization2.灰度拉伸(1)Display窗口>enhance>interactive stretching(2)弹出的对话框>stretch_type>linear(3)在STRETCH对应的两个文本框中输入需要拉伸的范围，然后单击对话框上的APPLY按钮，图像显示为线性拉伸后的效果。
3.任意拉伸（1）弹出的对话框>stretch_type>Arbitary，在output histogram中单击绘制直方图，右键结束（2）点击apply，结果如图所示4.图像平滑（1）均值平滑，在主窗口中打开can_tmr.img文件。
主窗口>enhance>filter>smooth[3*3]。
结果如图所示（2）中值平滑，在主窗口中打开can_tmr.img文件。
图像的平滑与锐化
昆明理工大学（数字图像处理）实验报告实验名称：图像的平滑与锐化专业：电子信息科学与技术姓名：学号：成绩：[实验目的]1、理解图像平滑与锐化的基本原理。
2、掌握图像滤波的基本定义及目的。
3、理解空间域滤波的基本原理及方法。
4、编程实现图像的平滑与锐化。
[实验原理]空间滤波器都是基于模板卷积，其主要工作步骤是：1)将模板在图中移动，并将模板中心与图中某个像素位置重合；2)将模板上的系数与模板下对应的像素相乘；3)将所有乘积相加；4)将和（模板的输出响应）赋给图中对应模板中心位置的像素。
1、图像的平滑目的：减少噪声方法：空域法：邻域平均法、低通滤波、多幅图像求平均、中值滤波（1）邻域平均(均值滤波器)所谓的均值滤波是指在图像上对待处理的像素给一个模板，该模板包括了其周围的邻近像素。
将模板中的全体像素的均值来替代原来的像素值的方法。
（2）中值滤波（统计排序滤波）一般地 , 设有一个一维序列 f1 , f2 , f3 ,…, fn ,取该窗口长度(点数)为 m (m为奇数 ),对一维序列进行中值滤波,就是从序列中相继抽取m 个数 fi-v , … , fi-1, fi,fi+1 , … , fi+v;其中 fi 为窗口的中心点值 ,v = ( m - 1 )/ 2 。
再将这 m 个点 值按 其数值大小排序,取中间的 那个数作为滤波输出 ,用数学公式表示为:yi = med fi-v,…,fi-1,fi,fi+1,…,fi+v其中i ∈Z,v=(m-1)/2 。
中值滤波一般采用一个含有奇数个点的滑动窗口,将窗口中各点灰度值的中值来替代指定点(一般是窗口的中心点)的灰度值。
二维中值滤波可有下式表示 :yi = med { fij }中值滤波的性质有 :(1) 非线性 , 两序列 f ( r ) , g ( r )med{ f ( r ) + g ( r ) } ≠ med{ f ( r ) } + med{ g ( r ) }(2) 对尖峰性干扰效果好,即保持边缘的陡度又去掉干扰,对高斯分 布噪声效果差;(3) 对噪声延续距离小于W/2的噪声抑制效果好,W 为窗口长度。
图像的平滑处理与锐化处理
数字图像处理作业题目：图像的平滑处理与锐化处理姓名：***学号：************专业：计算机应用技术1.1理论背景现实中的图像由于种种原因都是带噪声的，噪声恶化了图像质量，使图像模糊，甚至淹没和改变特征，给图像分析和识别带来了困难。
一般数字图像系统中的常见噪声主要有：高斯噪声、椒盐噪声等。
图像去噪算法根据不通的处理域，可以分为空间域和频域两种处理方法。
空间域处理是在图像本身存在的二维空间里对其进行处理。
而频域算法是用一组正交函数系来逼近原始信号函数，获得相应的系数，将对原始信号的分析转动了系数空间域。
在图像的识别中常需要突出边缘和轮廓信息，图像锐化就是增强图像的边缘和轮廓。
1.2介绍算法图像平滑算法：线性滤波（邻域平均法）对一些图像进行线性滤波可以去除图像中某些类型的噪声。
领域平均法就是一种非常适合去除通过扫描得到的图像中的噪声颗粒的线性滤波。
领域平均法是空间域平滑噪声技术。
对于给定的图像()j i f,中的每个像素点()nm,，取其领域S。
设S含有M个像素，取其平均值作为处理后所得图像像素点()nm,处的灰度。
用一像素领域内各像素灰度平均值来代替该像素原来的灰度，即领域平均技术。
领域S的形状和大小根据图像特点确定。
一般取的形状是正方形、矩形及十字形等，S 的形状和大小可以在全图处理过程中保持不变，也可以根据图像的局部统计特性而变化，点(m,n)一般位于S 的中心。
如S 为3×3领域，点(m,n)位于S 中心，则()()∑∑-=-=++=1111,91,i j j n i m f n m f 假设噪声n 是加性噪声，在空间各点互不相关，且期望为0，方差为2σ，图像g 是未受污染的图像，含有噪声图像f 经过加权平均后为 ()()()()∑∑∑+==j i n M j i g M j i f M n m f ,1,1,1, 由上式可知，经过平均后，噪声的均值不变，方差221σσM =，即方差变小，说明噪声强度减弱了，抑制了噪声。
第8章 图像平滑和锐化
因为正态分布的均值为0，所以根据统计数学，均值可以消
除噪声。
精选可编辑ppt
41
在MATLAB图像处理工具箱中，实现中值滤波的函数是
medfilt2，其常用的调用方法如下：
B=medfilt2(A,[m n])
其中A是输入图像，[m，n]是邻域窗口的大小，默认
值为[3，3]，B为滤波后图像。
噪声可以理解为“妨碍人们感觉器官对所
接收的信源信息理解的因素”。
精选可编辑ppt
2
噪声来源
数字图像的噪声主要来源于图像的获取和传输过程
图像获取的数字化过程，如图像传感器的质量和
环境条件
图像传输过程中传输信道的噪声干扰，如通过无
线网络传输的图像会受到光或其它大气因素的干扰
精选可编辑ppt
3
图像噪声特点
1. 噪声在图像中的分布和大小不规则
2. 噪声与图像之间具有相关性
3. 噪声具有叠加性
精选可编辑ppt
4
图像噪声分类
一．
按其产生的原因可分为：外部噪声和内部
噪声。
二．
从统计特性可分为：平稳噪声和非平稳噪
声。
三．
按噪声和信号之间的关系可分为：加性噪
声和乘性噪声。
精选可编辑ppt
5
按其产生的原因
外部噪声：指系统外部干扰从电磁波或经电
源传进系统内部而引起的噪声。
内部噪声：
①
由光和电的基本性质所引起的噪声。
②
电器的机械运动产生的噪声。
③
元器件材料本身引起的噪声。
④
系统内部设备电路所引起的噪声。
精选可编辑ppt
6
按统计特性
遥感数字图像处理：遥感图像处理-图像滤波
梯度的概念
反映了相邻像元的亮度变化率，也就是 说，图像中如果存在边缘，如湖泊、 河流的边界，山脉和道路等，则边缘 处有较大的梯度值。对于亮度值较平 滑的部分，亮度梯度值较小。因此， 找到梯度较大的位置，也就找到边缘， 然后再用不同的梯度计算值代替边缘 处像元的值，也就突出了边缘，实现 了图像的锐化。
Mean 11x11
1.2 中值滤波器
在邻域平均法中，是将n×n局部区域中的灰度的平
均值作为区域中央象元的灰度值。而在中值滤波中，是 把局部区域中灰度的中央值作为区域中央象元的值。
g(x, y) median(of (x, y))
如，在3×3区域内进行中值滤波，是将区域内9个 灰度值按由小到大排列，从小的一方开始的第5个值即 为中央象元的值。
沿与x轴成任意夹角方向的差分，相应地可表示为：
f (i, j) x f (i, j) cos y f (i, j) sin
数字梯度向量为：
G[
步骤:
构造权重矩值 计算权重，并归一化 计算中心像素的值
权重及其计算
F(j,k)：像素值
1.5 选择式掩模平滑
选择式掩模平滑旨在追求既完成滤波操作，又不 破坏区域边界的细节
2 图像锐化
(1) 图像锐化的目的是增强图像中景物的边缘或轮廓。 使图象看起来比较清晰
(2) 边缘或轮廓通常位于灰度突变或不连续的地方，具 有一阶微分最大值和二阶微分为0的特点;
中值滤波-算例
例
取3X3窗口
212 200 198
212 200 198
206 202 201
206 205 201
208 205 207
208 205 207
从小到大排列，取中间值
遥感图像的增强处理
目的：通过上机操作，掌握彩色变换增强，空间域增强，频率域增强，多光谱变换增强等几种遥感图像增强处理的过程和方法，加深对遥感图像增强处理的理解。
实验内容：彩色合成；对比度变换增强；空间滤波增强；频率域增强；图像运算；主成分变换。
一、彩色合成
根据加色法彩色合成原理，选择遥感图像的三个波段，分别赋予红、绿、蓝三种原色，然后将这三个波段叠加，构成彩色合成图像。
锐化：interpreter—spatical enhancement—convolution（索伯尔）以T1为例。 New为自己新定义一个模板，在Xsize与Ysize中定义，以默认的3为例，在窗口中的行列中输入T1（突出线状地物，为水平方向线性地物）点file中的librarian中的name中命名“suoboer”点save后close，发现自定义的suoboer已出现 在convolution窗口中的kernel下，点击suoboer，再在output file中命名。
（1）索伯尔梯度
1 2 1 -1 0 1
T1= 0 0 0 T2= -2 0 2
-1-2-1 -1 0 1
（2）拉普拉斯算法（有利于提取边缘信息）
0 1 0
T（m，n）=1-4 1（同时突出横、纵向，但边界是断断续续
标准假彩色合成：
TM2(绿波段)赋予蓝
TM3（红波段）赋予绿
TM4（近红外波段）赋予红；
步骤：配准--------合成
空间位置上配准（通过几何校正进行配准）
做一标准假彩色合成（选影像tm2、3、4）
首先将tm2、3、4打开看是否能直接合成（投影坐标是否一样，若不一样则需配准后才能合成）
遥感原理练习题及答案
《遥感原理》练习题及答案一、名词解释（20分）1.多波段遥感：探测波段在可见光与近红外波段范围内，再分为若干窄波段来探测目标。
2.维恩位移定律：黑体辐射光谱中最强辐射的波长与黑体的绝对温度成反比。
黑体的温度越高，其曲线的峰顶就越往左移，即往短波方向移动。
3.瑞利散射与米氏散射：前者是指当大气中的粒子直径比波长小得多的时候所发生的大气散射现象。
后者是指气中的粒子直径与波长相当时发生的散射现象。
4.大气窗口；太阳辐射通过大气时，要发生反射、散射、吸收，从而使辐射强度发生衰减。
对传感器而言，某些波段里大气的投射率高，成为遥感的重要探测波段，这些波段就是大气窗口。
5.多源信息复合：遥感信息图遥感信息，以及遥感信息与非遥感信息的复合。
6.空间分辨率与波谱分辨率：像元多代表的地面范围的大小。
后者是传感器在接收目标地物辐射的波谱时，能分辨的最小波长间隔。
7.辐射畸变与辐射校正：图像像元上的亮度直接反映了目标地物的光谱反射率的差异，但也受到其他严肃的影响而发生改变，这一改变的部分就是需要校正的部分，称为辐射畸变。
通过简便的方法，去掉程辐射，使图像的质量得到改善，称为辐射校正。
8.平滑与锐化；图像中某些亮度变化过大的区域，或出现不该有的亮点时，采取的一种减小变化，使亮度平缓或去掉不必要的“燥声”点，有均值平滑和中值滤波两种。
锐化是为了突出图像的边缘、线状目标或某些亮度变化大的部分。
9.多光谱变换；通过函数变换，达到保留主要信息，降低数据量；增强或提取有用信息的目的。
本质是对遥感图像实行线形变换，使多光谱空间的坐标系按照一定的规律进行旋转。
10、监督分类：包括利用训练样本建立判别函数的“学习”过程和把待分像元代入判别函数进行判别的过程。
二、填空题（20分）1、1978年以后，气象卫星进入了第三个发展阶段，主要以--------NOAA------系列为代表。
我国的气象卫星发展较晚。
卫星是中国于1998年9月7日发射的第一颗环境遥感卫星。
3.遥感图像的增强与变换处理
图像增强处理是遥感图像数字处理的基本的方法之一。 将原来不清晰的图像变得清晰或把我们感兴趣的某些特征强调出来（同时抑制了不感兴趣的 特征）的图像处理方法称为图像增强。 图像增强的目的是为了提高解像力，提高图像的可解译性。 一、教学目的与要求 掌握遥感图像的增强与变换处理 二、重点难点 ⒈ ⒉ 三、教学内容 对比度增强、锐化与平滑处理、比值与差值处理、NDVI（归一化差值植被指数）、主成分分析 （K－L变换）、缨帽变换(K－T变换)和傅立叶变换（FFTFiltering）。
所需文件：TL、TL.HRD
实现步骤： 加载 TL，用 RGB Scale 打开。 Transforms > Tassled Cap ㈦傅立叶变换（FFT Filtering） 傅立叶分析是一种将图像分成空间上各种频率成分的数学方法。ENVI 中 FFT Filtering 包括 图像正向的 FFT、滤波器的应用，以及 FFT 向原始数据空间的逆变换。 Forward FFT (正向的 FFT)
⑵差值处理 所需文件：TL、TL.HRD 实现步骤： 加载 TL，用 RGB Scale 打开。 Basic Tools > Band Math.
“Enter an expression:” 的文本框内，输入变量名和所需要的数学运算符。
变量名必须以字符 “b” 或 “B” 开头，后面跟着 5 个以内的数字字符。 例：b7-b4 , b7-b5 , (b7-b4)/(b7+b5) , b1+sin(b2)
㈢比值与差值处理
比值法与差值法适用于对多波段图像或多时相图像进行增强处理，这是因为多波段之间的照 射条件及变化是一致的，对两个波段图像进行差值与比值运算，往往能减弱背景信息而突出局部 信息，就能达到图像增强的效果。
第五章遥感图像增强
4、图像增强的方法
数字增强处理
采用数字图像计算机系统进行 优点：快速、功能全，能应用光学方法无法 进行的一些算法对图象增强。
光学增强 采用光学仪器进行
优点：直观、方便、快速、操作方法容易掌 握、耗资较少； 缺点：光学增强仪器对各种增强方法的适应 性比数字处理设备要差。
真彩色合成(true color composite) 合成结果为真彩色，符合人眼观察习惯；
假彩色合成(false color composite)
合成结果与实际景物颜色不对应或缺失某 一色光，彩色鲜明，特征突出。
真彩色合成
假彩色合成
3）彩色合成方法
按合成机制不同，分为： 加色法和减色法 二者均以色彩混合原理为依据。
例如：
y a ln(x 1) c ln b
用（x＋1）是为了避免对0求对数
参数b用于改变对数的底
a和c用于调节数值范围。
对数扩展的效果：
➢ 着重扩展了亮度值低的部分
➢ 相对压缩了亮度值高的部分
（3） 指数扩展（exponent stretch）
指数扩展的一般形式： y＝bax
其中：b为底，常用b＝e。因x可能达 到127或255，故a须远小于1，否则y值可 能非常大。
大气散射作用又使影像的反差更为降低。 使得研究对象模糊不清。
3. 对比度增强分类
对比度增强可分为线性和非线性两种。
1）线性扩展（linear stretch）
将原始图象诸亮度值按线性关系进行扩 大，亮度范围可扩展为任意制定的范围。相 当于进行y＝ax＋b的变换。 （1）普通线性扩展
直接应用上述单一的线性关系。
遥感——数字图像处理名词解释及简单整理
Unit 11、图像是对客观存在的物体的一种相似性的、生动的写真或描述。
2、图像处理的内容它是研究图像的获取、传输、存储、变换、显示、理解与综合利用的一门崭新学科。
根据抽象程度不同可分为三个层次：狭义图像处理、图像分析和图像理解。
Unit 21、图像数字化是将一幅画面转化成计算机能处理的形式——数字图像的过程。
它包括采样和量化两个过程。
像素的位置和灰度就是像素的属性。
2、将空间上连续的图像变换成离散点的操作称为采样。
采样间隔和采样孔径的大小是两个很重要的参数。
3、将像素灰度转换成离散的整数值的过程叫量化。
4、表示像素明暗程度的整数称为像素的灰度级（或灰度值或灰度）。
5、一幅大小为M×N、灰度级数为G的图像所需的存储空间，即图像的数据量，大小为M×N×g （bit）6、数字图像根据灰度级数的差异可分为：黑白图像、灰度图像和彩色图像。
7、对比度是指一幅图象中灰度反差的大小。
对比度=最大亮度/最小亮度8、清晰度由图像边缘灰度变化的速度来描述。
9、灰度直方图反映的是一幅图像中各灰度级像素出现的频率。
以灰度级为横坐标，纵坐标为灰度级的频率，绘制频率同灰度级的关系图就是灰度直方图。
10、简述灰度直方图的应用。
1）.数字化参数（判断量化是否恰当）。
2）. 边界阈值选取（确定图像二值化的阈值）。
3）. 利用直方图统计图像中物体的面积。
4）. 计算图像信息量H（熵）。
5）. 利用直方图分析图像的特性。
6）. 利用直方图进行图像增强。
11、对于任一像素（i，j），该像素周围的像素构成的集合{（i+p,j+q），p、q取合适的整数}，叫做该像素的邻域。
12、对输入图像IP（i,j）处理时，某一输出像素JP(i,j)值由输入图像像素（i,j)及其邻域N(IP(i,j))中的像素值确定。
这种处理称为局部处理。
13、在局部处理中，当输出值JP(i,j)仅与IP(i,j)有关，则称为点处理。
14、在局部处理中，输出像素JP(i,j)的值取决于输入图像大范围或全部像素的值，这种处理称为大局处理。
《遥感数字图像处理》习题与答案
《遥感数字图像处理》习题与答案第一部分1.什么是图像？并说明遥感图像与遥感数字图像的区别。
答：图像（image）是对客观对象的一种相似性的描述或写真。
图像包含了这个客观对象的信息。
是人们最主要的信息源。
按图像的明暗程度和空间坐标的连续性划分，图像可分为模拟图像和数字图像。
模拟图像（又称光学图像）是指空间坐标和明暗程度都连续变化的、计算机无法直接处理的图像，它属于可见图像。
数字图像是指被计算机储存，处理和使用的图像，是一种空间坐标和灰度都不连续的、用离散数字表示的图像，它属于不可见图像。
2.怎样获取遥感图像？答：遥感图像的获取是通过遥感平台搭载的传感器成像来获取的。
根据传感器基本构造和成像原理不同。
大致可分为摄影成像、扫描成像和雷达成像三类。
m=3.说明遥感模拟图像数字化的过程。
灰度等级一般都取2m（m是正整数），说明8时的灰度情况。
答：遥感模拟图像数字化包括采样和量化两个过程。
①采样：将空间上连续的图像变换成离散点的操作称为采样。
空间采样可以将模拟图像具有的连续灰度（或色彩）信息转换成为每行有N个像元、每列有M个像元的数字图像。
②量化：遥感模拟图像经离散采样后，可得到有M×N个像元点组合表示的图像，但其灰度（或色彩）仍是连续的，不能用计算机处理。
应进一步离散、归并到各个区间，分别用有限个整数来表示，称为量化。
m=时，则得256个灰度级。
若一幅遥感数字图像的量化灰度级数g=256级，则灰当8度级别有256个。
用0—255的整数表示。
这里0表示黑，255表示白，其他值居中渐变。
由于8bit就能表示灰度图像像元的灰度值，因此称8bit量化。
彩色图像可采用24bit量化，分别给红，绿，蓝三原色8bit，每个颜色层面数据为0—255级。
4.什么是遥感数字图像处理？它包括那些内容？答：利用计算机对遥感数字图像进行一系列的操作，以求达到预期结果的技术，称作遥感数字图像处理。
其内容有：①图像转换。
包括模数（A/D）转换和数模（D/A）转换。
图像处理锐化平滑.ppt
其它变换
类似傅立叶变换的其它离散线性变换， 如离散余弦变换、离散正弦变换、方波 型变换等等。
图像的线性操作及卷积
线性操作：主要是指图像处理操作中，
输出图像的像素值是输出图像的多像素 的线性组合。 可将线性操作看作是： 输入线性系统输出 的一个操作过程。 下面分析线性系统应具有的特性。
再将积函数作二维积分，得到卷积结果。
离散二维卷积：
对于一幅数字图像F和一个二维卷积模板 G，它们的二维卷积为：
H F *G
H (i, j) F(m, n)G(i m, j n)
mn
由于F和G仅在有限范围内非零，因此求 和计算只需在非零部分重叠的区域上进 行。
值为0，方差为
n 2
。
则原图像f(m,n)被噪声污染后为：
g(m, n) f (m, n) (m, n)
对上述图像求邻域平均得：
g(m, n) 1 g(i, j)
M i, jS
其中S为一个包含g(m,n)有M个像素的邻 域。
则
g(m, n) 1 f (i, j) 1 (i, j)
线性系统也称线性移不变系统，具有以 下性质：
1. 线性：
定义 T[] 为一个系统，即一种运算。
设输入信号 x(t) 经系统 T[] 输出信号 y(t)
即 y(t) T[x(n)]
令 y1(t) T[x1(t)] y2 (t) T[x2 (t)]
若 ay1(t) by2 (t) T[ax1(t) bx2 (t)]
二维卷积
二维卷积的表达式为：
h(x, y) f * g
遥感数字图像处理第7章 图像滤波
不足：会造成图像模糊，削弱边缘和细节
均值滤波模板
1 1 1 1 1 1 1 ,或 1 1 1 1 1 1 1 9 8 1 1 1 1 1 1
中值滤波(Median filtering)
中值滤波取每个领域像素值的中均作为该像素的新值。
图像滤波的方法：
1. 空间域滤波
通过窗口或卷积核
2. 频率域滤波
通过傅立叶变换和逆变换
相关概念
1. 邻域、4-邻域、8-邻域
2. 卷积、窗口卷积
噪声
噪声是影响对图像信息理解或分析的成分
遥感图像中常见的噪声：
1. 高斯噪声
在信号上附加均值为0，具有高斯概率密度的函数值
2. 椒盐噪声（脉冲噪声）
随机改变一些像素值
优点：对椒盐噪声比较有效，能保留部分细节信息，
减少模糊
不足：计算复杂，对随机噪声效果不好
高斯低通滤波(Gaussian low-pass filtering)
高斯低通滤波的模板由二维高斯分布计算得到，使用
窗口卷积计算像素新值。
优点：对高斯噪声比较有效
不足：计算复杂
梯度倒数加权法
在离散图像内部相邻区域的变化大于区域内部的变化，
通过微分过程来实现。
梯度
梯度反映了相邻像素之间灰度的变化率，图像中的边
缘部分灰度变化率大，因此梯度值较大；相应的灰
度值变化小的地方，梯度值也较小。
f ( x , y ) ' f x x gradf ( x , y ) ' f ( x , y ) fy y
1 1 1 0 或1 0 1 1 0 0 1 1 2 2 1 1 或 1 2 1 1 1 1 1 2
(2021年整理)遥感数字图像处理-要点
遥感数字图像处理-要点编辑整理：尊敬的读者朋友们：这里是精品文档编辑中心，本文档内容是由我和我的同事精心编辑整理后发布的，发布之前我们对文中内容进行仔细校对，但是难免会有疏漏的地方，但是任然希望（遥感数字图像处理-要点）的内容能够给您的工作和学习带来便利。
同时也真诚的希望收到您的建议和反馈，这将是我们进步的源泉，前进的动力。
本文可编辑可修改，如果觉得对您有帮助请收藏以便随时查阅，最后祝您生活愉快业绩进步，以下为遥感数字图像处理-要点的全部内容。
遥感数字图像处理—要点1．概论遥感、遥感过程遥感图像、遥感数字图像、遥感图像的数据量遥感图像的数字化、采样和量化通用遥感数据格式（BSQ、BIL、BIP）遥感图像的模型：多光谱空间遥感图像的信息内容：遥感数字图像处理、遥感数字图像处理的内容遥感图像的获取方式主要有哪几种？如何估计一幅遥感图像的存储空间大小？遥感图像的信息内容包括哪几个方面?多光谱空间中,像元点的坐标值的含义是什么？与通用图像处理技术比较，遥感数字图像处理有何特点？遥感数字图像处理包括那几个环节?各环节的处理目的是什么?2。
遥感图像的统计特征2。
1图像空间的统计量灰度直方图：概念、类型、性质、应用最大值、最小值、均值、方差的意义2.2多光谱空间的统计特征均值向量、协方差矩阵、相关系数、相关矩阵的概念及意义波段散点图概念及分析主要遥感图像的统计特征量的意义两个重要的图像分析工具：直方图、散点图3。
遥感数字图像增强处理图像增强：概念、方法空间域增强、频率域增强3.1辐射增强：概念、实现原理直方图修正，线性变换、分段线性变换算法原理直方图均衡化、直方图匹配的应用3。
2空间增强邻域、邻域运算、模板、模板运算空间增强的概念平滑（均值滤波、中值滤波）原理、特点、应用锐化、边缘增强概念方向模板、罗伯特算子、索伯尔算子、拉普拉斯算子的算法和特点•计算图像经过下列操作后，其中心象元的值：–3×3中值滤波–采用3×3平滑图像的减平滑边缘增强–域值为2的3×1平滑模板–Sobel边缘检测–Roberts边缘检测–模板3.3频率域处理高频和低频的意义图像的傅里叶频谱频率域增强的一般过程频率域低通滤波频率域高通滤波同态滤波的应用3。
遥感图像处理平滑与锐化方(详细)法.
任何方向的边缘都将被突出.
拉普拉斯模板
0 1 0 t (m,n)= 1 -4 1 0 1 0
即上下左右四个相邻像元的亮度值相加，然后减 去中心像元值的4倍，作为该中心像元的新值。 均匀的变化将被忽略；用于检测变化率的变化率 即二阶微分。
例2: 拉普拉斯模板应用
t (m,n)= 设窗口像元值为 2 3 5 4 6 8
索伯尔梯度锐化模板， 两个模板同时使用：
1 2 1 t1(m,n)= 0 0 0 -1 -2 -1 -1 0 1 t2(m,n)= -2 0 2 -1 0 1 先用模板t1卷积，结果取绝对 值（获得南北向梯度）；再 用t2计算，结果也取绝对值 （获东西向梯度）；然后两 个绝对值相加（得总梯度）， 写在窗口中心。
m 1 n 1
M
N
图像的卷积运算：
窗口的中心像 元的像元值
窗口上第m列, 第n行的像元值
模板上第m列, 第n行的像元值出现不该有的 亮点，为了抑制噪声和使亮度平缓，所采用的 方法称为平滑 包括：均值平滑与中值滤波
均值平滑
在以像元为中心的领域内 取均值来取代该像元。 常用四邻域或八邻域的模 板
0 0 0 0 0
0 0 0 0 0
0 0 0 0 0
0 0 8 8 0
0 0 0 0 0 0 24 32 32 24 32 32 0 0 0
定向边缘检测模板
检测垂直边界： 设计特殊模板,可以检测特 定方向的边缘。
t (m,n)=
检测水平边界：
-1 0 1 -1 0 1 -1 0 1
或 t (m,n)=
对比度拉伸的效果
3.非线性变换
1.
当变换函数为非线性时，即为非线性变换。 非线性变换函数很多，常用的有两种方法：
遥感影像处理步骤
一．预处理1．降噪处理由于传感器得因素，一些获取得遥感图像中，会出现周期性得噪声，我们必须对其进行消除或减弱方可使用。
（1）除周期性噪声与尖锐性噪声周期性噪声一般重叠在原图像上，成为周期性得干涉图形，具有不同得幅度、频率、与相位。
它形成一系列得尖峰或者亮斑，代表在某些空间频率位置最为突出。
一般可以用带通或者槽形滤波得方法来消除。
消除尖峰噪声，特别就是与扫描方向不平行得，一般用傅立叶变换进行滤波处理得方法比较方便。
（2）除坏线与条带去除遥感图像中得坏线。
遥感图像中通常会出现与扫描方向平行得条带，还有一些与辐射信号无关得条带噪声，一般称为坏线。
一般采用傅里叶变换与低通滤波进行消除或减弱。
2．薄云处理由于天气原因，对于有些遥感图形中出现得薄云可以进行减弱处理。
3．阴影处理由于太阳高度角得原因，有些图像会出现山体阴影，可以采用比值法对其进行消除。
二．几何纠正通常我们获取得遥感影像一般都就是Level2级产品，为使其定位准确，我们在使用遥感图像前，必须对其进行几何精纠正，在地形起伏较大地区，还必须对其进行正射纠正。
特殊情况下还须对遥感图像进行大气纠正，此处不做阐述。
1．图像配准为同一地区得两种数据源能在同一个地理坐标系中进行叠加显示与数学运算，必须先将其中一种数据源得地理坐标配准到另一种数据源得地理坐标上,这个过程叫做配准。
（1）影像对栅格图像得配准将一幅遥感影像配准到相同地区另一幅影像或栅格地图中，使其在空间位置能重合叠加显示。
（2）影像对矢量图形得配准将一幅遥感影像配准到相同地区一幅矢量图形中，使其在空间位置上能进行重合叠加显示。
2．几何粗纠正这种校正就是针对引起几何畸变得原因进行得，地面接收站在提供给用户资料前，已按常规处理方案与图像同时接收到得有关运行姿态、传感器性能指标、大气状态、太阳高度角对该幅图像几何畸变进行了校正、3．几何精纠正为准确对遥感数据进行地理定位，需要将遥感数据准确定位到特定得地理坐标系得，这个过程称为几何精纠正。
遥感影像处理步骤
一．预处理1．降噪处理由于传感器的因素，一些获取的遥感图像中，会出现周期性的噪声，我们必须对其进展消除或减弱方可使用。
〔1〕除周期性噪声和锋利性噪声周期性噪声一般重叠在原图像上，成为周期性的干预图形，具有不同的幅度、频率、和相位。
它形成一系列的尖峰或者亮斑，代表在*些空间频率位置最为突出。
一般可以用带通或者槽形滤波的方法来消除。
消除尖峰噪声，特别是与扫描方向不平行的，一般用傅立叶变换进展滤波处理的方法比拟方便。
〔2〕除坏线和条带去除遥感图像中的坏线。
遥感图像常会出现与扫描方向平行的条带，还有一些与辐射信号无关的条带噪声，一般称为坏线。
一般采用傅里叶变换和低通滤波进展消除或减弱。
2．薄云处理由于天气原因，对于有些遥感图形中出现的薄云可以进展减弱处理。
3．阴影处理由于太阳高度角的原因，有些图像会出现山体阴影，可以采用比值法对其进展消除。
二．几何纠正通常我们获取的遥感影像一般都是Level2级产品，为使其定位准确，我们在使用遥感图像前，必须对其进展几何精纠正，在地形起伏较区，还必须对其进展正射纠正。
特殊情况下还须对遥感图像进展大气纠正，此处不做阐述。
1．图像配准为同一地区的两种数据源能在同一个地理坐标系中进展叠加显示和数学运算，必须先将其中一种数据源的地理坐标配准到另一种数据源的地理坐标上,这个过程叫做配准。
〔1〕影像对栅格图像的配准将一幅遥感影像配准到一样地区另一幅影像或栅格地图中，使其在空间位置能重合叠加显示。
〔2〕影像对矢量图形的配准将一幅遥感影像配准到一样地区一幅矢量图形中，使其在空间位置上能进展重合叠加显示。
2．几何粗纠正这种校正是针对引起几何畸变的原因进展的，地面接收站在提供应用户资料前，已按常规处理方案与图像同时接收到的有关运行姿态、传感器性能指标、大气状态、太阳高度角对该幅图像几何畸变进展了校正.3．几何精纠正为准确对遥感数据进展地理定位，需要将遥感数据准确定位到特定的地理坐标系的，这个过程称为几何精纠正。
遥感图像处理经典案例_OK
Horizontal edges
Directional Edge filters can also be designed to enhance features
which are oriented in specific directions and are useful in
applications such as geology, for the detection of linear geologic
structures.
45
1、平滑--图像中出现某些亮度值过大的区域，
或出现不该有的亮点时，采用平滑方法可以减小 变化，使亮度平缓或去掉不必要的亮点。
① 比值平滑：将每个像元在以其为中心的区域内， 取平均值来代替该像元值，以达到去掉尖锐 “噪声”和平滑图像的目的。
② 中值滤波：将每个像元在以其为中心的邻域内， 取中间亮度值来代替该像元值，以达到去掉尖 锐“噪声”和平滑图像的目的。
41
A low-pass filter（低通滤波） is designed to emphasise larger, homogeneous areas of similar tone and reduce the smaller detail in an image. Thus, low-pass filters generally serve to smooth（平滑） the appearance of an image.
11
三、光学增强处理
1. 彩色合成 ➢ 加色法彩色合成 ➢ 减色法彩色合成
2. 光学增强处理 3. 光学信息的处理
➢ 图像的相加和相减 ➢ 遥感黑白影象的假彩色编码
12
第二节 数字图像的校正
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
直方图拉伸
线性变换（分段线性） 非线性变换
对比度变换
直方图均衡
直方图匹配
灰度增强是一种通过改变像元的亮度值来改变图 像像元的对比度，从而改善图像质量的图像处理 方法。
一般来说，包含大量像元的图像，像元的亮度随 机分布应是正态分布。亮度直方图为非正态分布， 说明图像的亮度分布偏亮、偏暗或亮度过于集中， 图像的对比度小，需要调整该直方图到正态分布， 以改善图像的质量。
每一幅图像都可以求出其像元亮度值的直方图，观察 直方图的形态，可以粗略略地分析图像的质量。
正态分布
峰值偏左偏暗
峰值偏右偏亮
峰值窄/陡高密度值太集中
1.比例线性变换
比例线性变换是对单波段逐个像元进行处理的，它是将原 图象亮度值动态范围按线性关系式扩展到指定范围或整个 动态范围。
在实际运算中给定的是两个亮度区间，即要把输入图像的 某个亮度值区间【a1,a2】扩展为输出图像的亮度值区间 【b1,b2】。
2. 指数变换 此种可以对图像的高亮度区给予较大的 扩展。
xb beaxa c xb b lg(axa 1) c
4.直方图均衡化
非线性的增强方法；
这种方法通常用来增加许多图像的局部对比度，尤其是当图像的 有用数据的对比度相当接近的时候。通过这种方法，亮度可以更 好地在直方图上分布。这样就可以用于增强局部的对比度而不影 响整体的对比度，直方图均衡化通过有效地扩展常用的亮度来实 现这种功能。
效果：增强了峰值处的对比度，两端（最亮和最 暗）的对比度减弱了
原始的直方图
均衡化后的直方图
直方图均衡化实例
直方图均衡化实例
直方图均衡化实例
直方图均衡化
5.直方图规定化
把原图象的直方图变换为某种指定形状的直方图或某 一参考图象的直方图，然后按照已知的指定形态的直 方图调整原图象各象元的灰级，最后得到一个直方图 匹配的图象
主要通过改变图像灰度分布态势，扩展灰度分布 区间，达到增强反差的目的。
它可分为比例线性变换、分段线性变换和非线性 灰度变换。
图像直方图
用平面直角坐标系表示一幅灰度范围为0-n 的数字图像像元灰度分布状态，横轴表示灰 度级，纵轴表示某一灰度级（或范围）的像 元个数占像元总数的百分比。
通过灰度直方图可以直观地了解图像特征， 以确定图像增强方案并了解图像增强后的效 果
分段线性变换因为不同区间的变换函数不同，变 换函数整体呈折线。折线间断点位置根据需要决 定。
对比度拉伸的效果
3.非线性变换
当变换函数为非线性时，即为非线性变换。 非线性变换函数很多，常用的有两种方法：
1. 对数变换 当希望对图像的低亮度区有较大的扩展 而对高亮度区压缩时，可采用此种变换。
使用的模板有正态拉伸匹配、暗区拉伸匹配、亮区拉 伸匹配
主要应用于有一幅很好的图象作为标准的情况下，对 另一图象进行匹配，以改善被处理图象的质量
应用于数字镶嵌
直方图匹配：条件（运用两幅图象）
• 原始图象和参考图象 • 两个图象的直方图的总体形态应相似 • 图象中相对亮和暗的特征应相同 • 对某些应用，图象的分辨率应相同 • 图象中的地物类型的相对分布应相同，无论两幅
4.3.2 空间增强（空间滤波或邻域增强 ）
灰度增强主要是通过单个像元的运算在整体上 改善图像的质量，而空间增强则是有目的突出 图像上的某些特征，如突出边缘或线性地物， 也可以有目的去除某些特征．
空间增强在方法上强调了像元与其周围相邻像 元的关系，采用空间域中邻域处理方法，在被 处理 b1 b2 b1
xa a1 ，x
a2 a1
a [a1, a2 ]，xb
[b1, b2 ]
xb
b2 a2
b1 a1
( xa
a1) b1
调整a,b的 区间，可 以对图像 亮度进行 拉伸和压 缩
2.分段线性变换
为了更好地调节图像的对比度，在一些亮度区间 段进行拉伸，而在另一些区间段进行压缩，这种 变换称为分段线性变换。
这种方法对于背景和前景都太亮或者太暗的图像非常有用，一个 主要优势是它是一个相当直观的技术并且是可逆操作，如果已知 均衡化函数，那么就可以恢复原始的直方图，并且计算量也不大。 这种方法的一个缺点是它对处理的数据不加选择，它可能会增加 背景噪音的对比度并且降低有用信号的对比度。
直方图均衡化的基本思想是把原始图的直方图变换为均匀分布的 形式，这样就增加了象素灰度值的动态范围从而可达到增强图像 整体对比度的效果。
r(i, j) (m, n)t(m, n) m1 n1
图像的卷积运算：
窗口的中心像 元的像元值
窗口上第m列, 第n行的像元值
模板上第m列, 第n行的像元值
2.平滑
图像中出现亮度变化大区域，或出现不该有的 亮点，为了抑制噪声和使亮度平缓，所采用的 方法称为平滑
包括：均值平滑与中值滤波
均值平滑
图象是否覆盖同一地区。如一幅有云，另一幅没 有云，应先将云去掉（覆盖），然后再进行直方 图匹配
➢ ERMAPPER中的反差增强功能
线性或分段线性扩展
原始数据直方图
反差扩展后的 直方图
直方图均衡扩展（中部扩展） 非
高斯均衡扩展（中部扩展） 线 性
扩
指数扩展（亮部扩展）
展
对数扩展（暗部扩展）
直方图匹配
4.3 数字图像增强
数字图像增强的目的是提高图像质量和突出所 需要信息，有利于分析判断。
数字图像增强处理方法主要有：对比度增强 （灰度增强）、空间滤波、彩色变换、图像运 算和多光谱变换。
数字 图像 增强 处理 方法
1 对比度变换 2 空间滤波 3 彩色变换 4 图像运算 5 多光谱变换
4.3.1 对比度变增强（灰度增强）
包括：平滑、锐化
1.图像卷积运算
作法是：选定一卷积函数，又称为“模块”，为一 个M×N图像，二维的卷积运算是在图像中使用模板 来实现运算的。
选定运算模板为φ（m,n）,模板的大小为M×N，则 图像开一个与模板大小对应相等的活动窗口t(m,n)， 使图像窗口与模板的像元灰度对应相乘再相加。
MN